基于FILTER算子匹配的增量式DAG计算复用方法

伴随着数据的爆炸式增长,越来越多的大数据业务分析与处理选择分布式计算平台。目前针对大数据的分布式计算框架都支持DAG式的任务编排。由于大数据采集来源以及分布式存储系统特点,很多使用DAG框架进行计算的应用都是增量式的大数据集,但现有的DAG框架对这样的数据集进行计算时有许多冗余,造成计算资源浪费。提出了在DAG框架上进行增量式复用的方法,并针对FILTER算子特点提出了基于FILTER算子匹配的间接复用机制。     

分布式环境下的自动并行化调度算法

要充分利用因特网的空闲计算机CPU资源,必须建立分布式环境下的自动并行化系统.但传统的并行调度算法对于这种系统并不适用.为解决这个问题,文章探讨了分布式并行环境与传统并行环境的差异,尝试地提出分布式环境下的自动并行化调度算法.在分布式环境中,结合自动并行化系统使用该调度算法能够维持算法较高的加速比.     

大数据环境下并行化先进先出成本算法研究

传统计算机算法在大数据环境下效率较差。为此,从数据处理并行角度出发探索大数据环境下实现先进先出的新算法逻辑,通过先进先出算法实现对成本的有效计算,尤其是提高计算容错性,利用优化的并行化计算模式提高算法时间效率。对传统成本算法与新的并行化先进先出成本算法在实际数据上进行比较实验,结果表明并行化的先进先出成本算法在时间效率上优于传统成本算法,且随着数据量的不断扩大时间效率更加明显,而先进先出的计算模型与传统算法在计算误差上并无扩大,说明并行化的先进先出成本算法在大数据环境下优于传统成本算法。     

应用Min-Min算法思想解决依赖型任务调度

在云计算系统中,任务调度是其中的一个关键问题,它首要决定了整个云计算系统的运行效率。基于min-min算法思想和有向无环图(DAG)的基础上设计出一个解决依赖型的任务调度算法。根据具体例子进行算法演示,结果表明:该算法在完成时间跨度上与最优算法基本一致,有效地提高任务调度效率和云资源利用率。     

虚拟学习环境中的人物情感计算研究

构建虚拟学习环境是实现教育信息化的有效途径之一,本文介绍了虚拟学习环境中虚拟人物特点.同时,依据建构主义学习理论,研究了在虚拟学习环境中虚拟人物的情感及其描述办法,提出了一种基于OCC模型、简单易于实现的情感计算办法.     

基于机群计算的导热反问题并行遗传算法

遗传算法具有天然的易并行性,因此,当问题比较复杂或者初始种群规模比较大的时候,通常会将遗传算法并行化。但是并行机的代价高,普及面狭窄,因而选择机群系统作为并行计算的主体,是一个简单有效的办法。通过导热反问题的并行遗传算法研究了机群计算的并行效率和加速比。     

基于机群计算的导热反问题并行遗传算法

遗传算法具有天然的易并行性,因此,当问题比较复杂或者初始种群规模比较大的时候,通常会将遗传算法并行化.但是并行机的代价高,普及面狭窄,因而选择机群系统作为并行计算的主体,是一个简单有效的办法.通过导热反问题的并行遗传算法研究了机群计算的并行效率和加速比.     

虚拟计算环境下认证组密钥协议的安全代理研究

在移动虚拟计算环境下,代理往往会出现基本的安全问题。为解决移动虚拟计算环境中安全代理问题,提出了一个基于ID单轮双线性密钥协商协议。该协议中,所有代理可以在一次会话中生成认证组密钥。对虚拟计算环境下总的安全问题进行了分析,并对虚拟计算环境进行了效率分析,提出了具有较低计算消耗的方案。     

基于情感计算和Web3D技术的虚拟学习环境实现的关键技术研究

采用情感计算和Web3D技术创建具有交互性、沉浸感的虚拟学习环境,能够更好地发挥网络远程教育的优势,能有效地提高学习者的网络在线学习效果。本文在简要介绍虚拟学习环境的结构特性的基础上,分析了其实现过程中所涉及的主要技术,包括情感计算技术中的人脸表情识别以及Web3D技术中的VRML建模语言,并进一步探讨了实现的具体方法。     

基于任务属性组合的工作流调度时间优化算法(英文)

为了缩短工作流调度完工时间,提出3种列表调度算法:分级和出度最早完成时间算法(LOEFT)、分级异构选择值算法(LHSV)和异构优先最早完成时间算法(HPEFT).主要思想是利用任务深度,融合任务出度来准确分析任务优先级,精确分配处理器,实现时间优化.算法均分为3个阶段:任务分级、任务排序和处理器分配.任务分级阶段,依据任务深度将工作流划分为若干独立的任务集;任务排序阶段,利用任务出度计算出任务的异构优先排序值(HPRV),并据其降序生成任务队列;处理器分配阶段,将排序排列任务逐一分配至使其完工时间最小的处理器,完成任务-处理器的映射.通过实际应用和随机工作流仿真,证实3种算法可以有效地缩短工作流的完工时间,且LOEFT表现最好.任务深度结合出度是缩短工作流调度完工时间的有效手段.     

基于计算思维的任务驱动式教学模式的研究

计算思维是当前国际计算机界广为关注的一个重要概念,也是当前计算机教育需要重点研究的重要课题。文章首先结合任务驱动式教学和教学模式的特点构建了基于计算思维的任务驱动式教学模型(Task-Driven Teaching Model Based on Computational Thinking,简称TDTMCT)。TDTMCT模型将教学者和学习者之间通过任务连接起来,教学过程以任务为主线,教学者主导,学习者主体。整个过程教学者运用计算思维方法准备课程,设计任务,学习者根据教学者的引导,运用计算思维方法完成教学任务。最后运用实例验证了该模型的可行性和高效性。与传统的教学模式相比较,基于计算思维的任务驱动式教学模式在培养学习者自我建构知识以及创新思维能力方面有较大的进步,不仅可以提高学习效率,而且可以培养学习者的计算思维能力。     

基于仿真技术的虚拟学习环境建设研究——以虚拟摄影平台为例

虚拟仿真技术不断发展,在教育教学领域中的应用也日益广泛。本文探讨了利用这项技术对虚拟学习环境的建设,总结了开发的理论方法和技术支持,并予以虚拟摄影平台实例展开论述。     

虚拟学习社区中自主学习活动研究:元认知视角

元认知包括对认知的知识、认知的体验和认知的监控及调节三个方面,其核心思想是对认知过程的自我调节。学习不仅仅是认知过程,同时也是对该认知过程进行积极监控及调节的元认知过程。元认知被认为是自主学习的关键过程,是促进学习的关键要素。虚拟学习社区(简称VLC)中的自主学习活动是其学习活动的核心内容之一,是其他学习活动(如协作学习活动)开展的基础。文章从VLC、元认知和学习的内部心理机制及规律出发,研究元认知视角下的VLC中自主学习活动和学习环境设计,提出了VLC中自主学习活动的元认知调控内部循环过程模型和基于元认知的自主学习活动过程模型以及基于元认知和自主学习活动的VLC学习环境功能模型。     

基于GPU的异构并行环境下程序优化策略研究

由CPU＋GPU组成的异构并行环境可以有效地提高计算系统的运算速度和处理能力。本文设计了几种有效的优化策略。首先依据计算情况和数据规模对并行计算单元进行合理的资源动态分配;然后通过共享存储器优化、指令优化及内存合并技术,对算法进一步优化,将其改造成为适用于异构环境处理的并行模式,以提高算法的运行速度。论文通过基于异构分布并行环境的蛋白质折叠结构预测算法进行实验,结果证明此优化方法是可行的、有效的,算法的运行速度有很大的提高,获得了较好的加速比。     

基于PRAM模型的二叉树并行旋转转换算法

本文在文献[1,2]给出的二叉树等相关理论的基础上,对任意两个二叉树之间的旋转转换进行了深入分析,引入PRAM模型,提出了对二叉树旋转转换进行并行处理的方法,以实例详细描述了算法并行处理过程并验证其算法的可行性。     

基于计算思维的任务驱动教学模型的设计研究

信息技术课堂是培养中小学生计算思维的主阵地.目前我国培养中小学生计算思维的策略仍在不断实践探索中,并没有形成可以广泛推广的模式.文章根据小学生的认知发展阶段,结合任务驱动教学模式和信息技术课程的特点,从计算思维的五个维度考虑,构建了基于计算思维的任务驱动教学模型,并设计了基于该模型的课堂教学案例.通过实践验证,该模型可以较好地提升学生的计算思维能力,为师生的教与学提供参考.     

基于计算思维的趣味任务驱动教学模式研究

针对C语言教学过程中存在学生学习兴趣低等问题,提出以趣味编程题为基础的任务驱动教学模式。该模式能将学生吸引到课堂中,提高学生的学习效率。计算思维能够较好地解决理工科遇到的实际问题,根据学生解决实际问题能力差的情况,提出将计算思维融入C语言趣味编程题的任务驱动教学模式中,这种基于计算思维的趣味任务驱动教学模式能够有效提高学生解决实际问题的能力。     

复杂场景中并行碰撞检测算法的研究

碰撞检测在机器人运动规划、虚拟环境、分布交互仿真中都起着重要作用．随着虚拟环境的几何复杂性及现代CPU并行处理能力的增加。为实现快速精确的碰撞检测,并行技术开始广泛地应用于碰撞检测算法中．本文介绍基于并行技术的碰撞检测算法,并着重对已使用的各种并行技术进行了分析比较．     

基于VR技术的虚拟教学应用研究

文章首先介绍了VR技术基本概念及其特性。在此基础上，对虚拟教学的概念、特征及应用作了初步的研究。     

基于元认知理论的虚拟实验环境设计策略研究

随着网络技术的不断发展以及教育信息化的大力推进,虚拟实验已成为备受关注的实验教学方式之一,虚拟实验甚至被看作是继理论研究和实验研究之后的第三种科学研究方法.该文从元认知理论的角度,对如何进行虚拟实验环境设计进行了探讨.